我正在进行一个项目，使用带有加速度计的ARM Cortex-M0微控制器（Freedom – KL25Z）来检测（分类）人类活动。我打算使用机器学习来预测用户的活动。
问题是，Cortex-M0无法处理训练或预测算法，所以我可能需要收集数据，在我的电脑上进行训练，然后以某种方式嵌入到微控制器中，但我不知道如何操作。
我在网上看到一些帖子说，可以生成一个权重矩阵并将其嵌入到微控制器中，这样就可以根据你提供给该函数的数据，直接预测某些事情。这是否是正确的做法？
无论如何，我的问题是，如何将分类算法嵌入到微控制器中？
希望你们能帮助我并提供一些指导，我现在有点迷茫了。
提前感谢你们。
回答：
我也在考虑自己做这个来解决一个我一直难以手动开发启发式方法的问题。
你将不得不编写自己的机器学习方法，因为据我所知，没有适合低端微控制器的机器学习库。
根据问题的难度，仍然有可能开发和训练一个在低端微控制器上表现良好的简单机器学习算法。毕竟，一些较老/较简单的机器学习方法在具有类似限制的硬件上使用时，取得了令人满意的结果。
总的来说，我会这样做：
- 将（标记的）数据传输到PC（通过UART、SD卡或你可用的任何方式）。
- 使用机器学习工具包（scikit-learn、weka、vowpal wabbit等）对数据进行实验。在继续之前，确保现成的方法能够产生令人满意的结果。
- 进行特征工程和选择的实验。尽量获得尽可能小的特征集以节省资源。
- 编写你自己的机器学习方法，最终将在嵌入式系统上使用。我可能会选择感知器或决策树，因为这些不一定需要大量内存。由于你没有浮点运算单元，我只会使用整数和定点算术。
- 执行正常的训练程序。即使用交叉验证来找到最佳的调优参数、整数位宽、基数位置等。
- 在保留的测试集上运行最终训练的预测器。
- 如果你的训练预测器在测试集上的表现令人满意，将相关代码（计算预测的代码）和你训练的模型（例如权重）移动到微控制器上。模型/权重不会改变，因此可以存储在闪存中（例如作为常量数组）。
